语料标注工作手册

前言

以《全球库标注规范》为基础，按照实际工作的顺序编排规范说明，补充需要的内容，并结合实际情况调整标注操作细节。

补充的内容包括：

1. 规范中涉及的语言知识，以Wiki词条方式链接。
2. 明确全部标注符号及代码的中英文、全半角。
3. 补充对标注代码的说明，标出缩写对应的文字。
4. 修改示例中不一致的标注代码。
5. 替换不易理解或可有不同理解的例句。
6. 偏误示例补充正确表达，以便于理解。

标注操作细节调整：

既标且改，在标注偏误时，也在代码中注明正确形式，即保留中间数据，以便在于校对、讨论时更好地理解标注者的思路。

向北语提交的语料，将通过程序自动处理多出来的这些内容，以保持一致。

本单位语料保留这些中间数据，用于查询和进一步的研究。

生语料

1．语料构成

原始语料（图片、音频、视频语料）+录入或转写版语料+作者背景信息+语料背景信息，共4项。

2．校对

1）原则与标准

根据原始语料（图片、音频、视频）对录入或转写版语料进行校对。 校对原则：忠实原作，保持语料原貌。 校对标准：确保录入与转写语料和原始语料的一致性。例如原始语料中的别字、繁体字、异体字、拼音字、错序词、各类偏误句、行款格式等方面的偏误现象均需原样录入，不得做任何改变。

2）错字标注

（1）错字指书写错误、汉字中没有的字（电脑中没有，打不出来）。 例如： 应【该】[Zc]，表示“该”在语料原文中是错字。

（2）错字判定标准 笔画：数目错误、形状错误、组合关系错误（相离、相交、相接）； 部件：部件组合错误（多、少、换），部件位置错误。 流畅性：辅助标准，如果学生的汉字书写流畅，体现出较高的书写水平，则一些不太标准、甚至不完整的笔画，如斜钩、竖钩之类，不必视为偏误。

3）字存疑标注

对语料中无法识别且无法做出准确判断的字，以字存疑标记[Z？]代之。

字标注

（10项）